Cartesia est mieux noté que Grok TTS de xAI et fonctionne plus vite.

Oui. xAI a fusionné avec SpaceX en mai 2026 et l’entreprise réunie s’appelle SpaceXAI : les deux noms désignent donc la même équipe. Son modèle de synthèse vocale est proposé sous le nom Grok TTS, utilisé sur cette page. Artificial Analysis le référence comme SpaceXAI TTS. Le score présenté ici est celui de leur classement, malgré la différence de nom.

Ce score vient d’Artificial Analysis, un benchmark indépendant. Les auditeurs écoutent deux extraits de la même phrase sans connaître les modèles, puis choisissent leur préféré. Dans la Provider Voice Arena, chaque modèle utilise ses propres voix : le catalogue compte autant que le modèle. Sonic 3.6 est premier des 94 modèles évalués et premier de la Controlled Voice Arena, qui donne à chacun le même ensemble de voix clonées.

Oui. Cartesia se déploie sur site et en réseau isolé. Des équipes de la santé, de la finance et de l’administration l’utilisent pour conserver l’audio dans leur propre réseau, avec un SLA de disponibilité de 99.9%.

44 langues dans un seul modèle, dont l’anglais, l’espagnol, le français, l’allemand et le japonais. Les accents sont ajustés par région plutôt qu’ajoutés à un modèle anglais : l’espagnol de Mexico et celui de Madrid n’ont donc pas la même voix.

Une à deux semaines pour la plupart des équipes. Cartesia est intégré aux principales plateformes d’agents vocaux et chaque modèle est disponible via l’API publique. Pas de plateforme à adopter ni de dépendances à démêler plus tard.